卷积运算中的感受野变换与上下文状态切换都是在某种程度上改变了处理的“视角”，因此可以说二者有一定的类比性;从感受野变换的角度看，用批量标准化技术和深度可分离卷积来控制变换的开销的解决思路是否和逻辑

从感受野变换的角度来看，使用批量标准化技术和深度可分离卷积来控制变换的开销的解决思路是合理的。批量标准化技术可以对卷积层的输出进行标准化处理，使得输入数据在经过激活函数之前具有更好的分布性质，从而达到加速收敛和提高模型准确率的效果。深度可分离卷积则是一种能够减小卷积运算参数数量的卷积方法，通过分离卷积的通道变换和空间变换两个过程来减少计算量。这些技术的使用可以有效地控制神经网络中感受野的变换开销，提高模型的性能和效率，并且与逻辑上的合理性相符合。